이 책의 개정3판이 출간되었습니다. 개정3판의 코드는 여기를 참고하세요.
2019년 5월 출간, 길벗 출판사
이 책은 세바스찬 라시카(Sebastian Raschka)와 바히드 미자리리(Vahid Mirjalili)이 쓴 아마존 베스트 셀러 "Python Machine Learning"의 번역서입니다.
번역서에 관한 궁금한 점이나 오류가 있다면 깃허브에 이슈를 남겨 주시거나 블로그를 통해 알려 주세요.
설치와 설정에 대한 도움말은 INSTALL.md 파일을 참고하세요.
open_dir 링크를 클릭하면 code/ 서브디렉토리 아래에 있는 각 장의 폴더로 이동합니다. 또는 ipynb 링크를 클릭해서 바로 주피터 노트북을 열어 볼 수 있습니다. nbviewer는 주피터의 노트북 뷰어로 볼 수 있는 링크입니다. colab은 구글 코랩(Colab)에서 노트북을 실행할 수 있는 링크입니다.
- 간단한 분류 알고리즘 훈련 [open dir] [ipynb] [nbviewer] [colab]
- 사이킷런을 타고 떠나는 머신 러닝 분류 모델 투어 [open dir] [ipynb] [nbviewer] [colab]
- 좋은 훈련 세트 만들기: 데이터 전처리 [open dir] [ipynb] [nbviewer] [colab]
- 차원 축소를 사용한 데이터 압축 [open dir] [ipynb] [nbviewer] [colab]
- 모델 평가와 하이퍼파라미터 튜닝의 모범 사례 [open dir] [ipynb] [nbviewer] [colab]
- 다양한 모델을 결합한 앙상블 학습 [open dir] [ipynb] [nbviewer] [colab]
- 감성 분석에 머신 러닝 적용하기 [open dir] [ipynb] [nbviewer] [colab]
- 웹 애플리케이션에 머신 러닝 모델 내장하기 [open dir] [ipynb] [nbviewer] [colab]
- 회귀 분석으로 연속적 타깃 변수 예측하기 [open dir] [ipynb] [nbviewer] [colab]
- 레이블되지 않은 데이터 다루기: 군집 분석 [open dir] [ipynb] [nbviewer] [colab]
- 다층 인공 신경망을 밑바닥부터 구현 [open dir] [ipynb] [nbviewer] [colab]
- 텐서플로를 사용하여 신경망 훈련 [open dir] [ipynb] [nbviewer] [colab]
- 텐서플로의 구조 자세히 알아보기 [open dir] [ipynb] [nbviewer] [colab]
- 심층 합성곱 신경망으로 이미지 분류 [open dir] [ipynb] [nbviewer] [colab]
- 순환 신경망으로 시퀀스 데이터 모델링 [open dir] [ipynb] [nbviewer] [colab]
9장의 플라스크 웹 애플리케이션은 다음과 같습니다:
1st_flask_app_1/: 간단한 플라스크 웹 애플리케이션1st_flask_app_2/:1st_flask_app_1에서 폼 검증과 렌더링을 확장한 버전movieclassifier/: 웹 애플리케이션에 내장한 영화 리뷰 분류기movieclassifier_with_update/:movieclassifier와 동일하지만 sqlite 데이터베이스에서 업데이트하는 버전
웹 애플리케이션을 실행하려면 각 디렉토리로 이동한 후에 메인 애플리케이션 스크립트를 실행합니다.
cd ./1st_flask_app_1
python3 app.py
터미널에서 다음과 같은 출력을 볼 수 있습니다.
* Running on http://127.0.0.1:5000/
* Restarting with reloader
그다음 웹 브라우저를 열고 터미널에 출려된 주소로 접속하면 웹 애플리케이션을 사용할 수 있습니다.
책에 포함된 라이브 데모는 다음 주소에서 확인할 수 있습니다: http://haesun.pythonanywhere.com/.